Where is the teacher? Digital analytics for classroom proxemics

The term Classroom Proxemics refers to how teachers and students use classroom space, and the impact of this and the spatial design on learning and teaching. This study addresses the divide between, on the one hand, substantial work on proxemics based on classroom observations and, on the other hand, emerging work to design automated feedback that helps teachers identify salient patterns in their use of the classroom space. This study documents how digital analytics were designed in service of a senior teacher's practice-based inquiry into classroom proxemics. Indoor positioning data from four teachers were analysed, visualized and used as evidence to compare three distinct learning designs enacted in a physics classroom. This study demonstrates how teachers can make effective use of such visualizations, to gain insight into their classroom practice. This is evidenced by (a) documenting teachers' reflections on visualizations of positioning data, both their own and that of peers and (b) identifying the types of indicator (operationalized as analytical metrics) that foreground the most useful information for teachers to gain insight into their practice.     

Profiling sympathetic arousal in a physics course: How active are students?

Low arousal states (especially boredom) have been shown to be more deleterious to learning than high arousal states, though the latter have received much more attention (e.g., test anxiety, confusion, and frustration). Aiming at profiling arousal in the classroom (how active students are) and examining how activation levels relate to achievement, we studied sympathetic arousal during two runs of an elective advanced physics course in a real classroom setting, including the course exam. Participants were high school students (N = 24) who were randomly selected from the course population. Arousal was indexed from electrodermal activity, measured unobtrusively via the Empatica E4 wristband. Low arousal was the level with the highest incidence (60% of the lesson on average) and longest persistence, lasting on average three times longer than medium arousal and two times longer than high arousal level occurrences. During the course exam, arousal was positively and highly correlated (r = .66) with achievement as measured by the students' grades. Implications for a need to focus more on addressing low arousal states in learning are discussed, together with potential applications for biofeedback, teacher intervention, and instructional design.     

基于眼睛特征跟踪的眼睛状态跟踪

眼睛状态的跟踪具有广泛的应用,如在面部表情分析和驾驶疲劳报警系统的应用方面,此时需要跟踪的不仅仅是人眼的位置,而且还需要返回眼睛的状态,以及眼睛模型的参数.基于眼睛特征跟踪的眼睛状态跟踪方法是先检测出表征眼睛状态的眼睛特征,然后通过跟踪这些特征达到跟踪眼睛状态的目的.在实验平台是PⅡ/500微机,256M内存,Windows 2000操作系统中处理速度是接近每秒7帧.对214图像序列进行了实验测试,跟踪精度达到97.6%.     

基于眼动记录与分析技术的测谎研究

为进一步提高测谎的准确度,加快促成测谎结论成为刑事诉讼中的证据,提出一种低成本的将眼睛变化线索用于测谎的方案。首先设计了一种低成本的眼动记录系统记录眼动信号,提出分段加权Hough变换算法跟踪虹膜,利用梯度积分投影函数检测眨眼,采用差分图像估计眼睛张开程度。然后建立了眼动轨迹、眨眼频率及眼睛张开程度等眼动特征与说谎的关系模型。实验取得的眼动特征检测精度证明采用低成本眼动记录系统基本可以满足测谎需求,测谎实验结果证明了本文方法用于测谎或辅助测谎的可行性。     

融合眼动数据和文本信息的可视化阅读辅助

研究阅读过程中的视觉注意行为特征,基于眼动数据和文本主题进行阅读行为特征和文档结构的分析,设计了眼动热区图、圆环图、节点链接图、词云等可视化形式.在此基础上开发了面向阅读辅助的可视分析原型系统,该系统记录专家用户（如老师）的眼动数据,然后通过可视化形式分享给新手用户（如学生）.用户实验结果表明,实验组用户的阅读理解客观题和主观题得分平均值分别比对照组用户提高了31.8%和55.0%,阅读和答题总用时比对照组用户平均减少了9.7%,可以有效帮助读者提高阅读效率、快速抓住文章重点和更好地理解文章内容,具有一定的有效性和可行性.     

面向大屏幕目标选择的眼动跟踪与手势交互

眼动跟踪方法具有很强的视觉指向性,可以将其应用于面向大屏幕的目标选择,进而避免鼠标操作方式在空间上的远距离移动.然而,仅仅利用眼动跟踪进行选择操作,也会产生选择精度降低、容易产生误操作等问题.因此,为了实现大屏幕上快速、准确的目标选择,提出一种融合眼动跟踪与手势的多通道交互方法,即通过眼动跟踪选择目标,利用手势进行选择确认.在目标尺寸小、目标间距较小时,通过光标稳定和二次选择机制进一步对交互过程进行优化.用户测试结果表明,该方法可以在大屏幕上针对不同尺寸和间距的目标完成有效的选择操作,与仅使用眼动跟踪的目标选择方法相比,任务完成速度提升了16%,任务完成正确率提升了82.6%.此外,针对层级菜单的具体选择任务,该方法与仅使用眼动跟踪的方法相比,任务完成速度提升了13.6%,任务完成正确率提升了55.7%.此外,该方法总体性能接近传统的鼠标操作方式,进一步验证了该方法在实际应用中的有效性.     

基于标记点检测的视线跟踪注视点估计

传统的头戴式视线跟踪系统需要借助额外的头部位置跟踪器或其他辅助设备才能定位视线方向.针对该问题,提出一种基于标记点检测的注视点估计方法.该方法通过计算机视觉的方法检测标记点,建立场景图像与真实场景中计算机屏幕之间的空间关系,将场景图像中的注视点坐标映射到计算机屏幕中.实验结果表明,该方法简单易行,可以较好地估计出用户在...     

眼动数据可视化综述

随着眼动跟踪技术在实际应用中的普及,大量眼动数据需要通过合理的可视化方式进行处理与分析,在这种背景下,眼动数据可视化在基础理论、方法和应用研究等方面得到了快速发展.文中总结了眼动数据的预处理与参数化方法,并在此基础上介绍了眼动数据可视化的基本框架和4种主要可视化方法:扫描路径法、热区图法、感兴趣区法和三维空间法;进而介绍了眼动数据可视化在用户界面可用性评估等方面的应用实例.最后对眼动数据可视化未来的研究趋势进行了展望.     

虚拟环境的用户意图捕获

目的虚拟制造环境中需要复杂精确的3D人机交互。目前的虚拟环境(VE)的主要问题是人在交互过程中的认知和操作负荷太重,交互效率亟需提高。解决此问题的重要途径是提高机器的认知能力。方法本文研究了用户意图的分析和抽取,并建立多通道用户意图理解的算法,以此来提高交互效率。结果结合虚拟装配应用给出了典型意图的实验结果并给予分析。通过实验对多通道意图的可用性和可靠性,以及基于意图系统的实时性进行了评估。实验是虚拟装配空间中用户拾取对象意图的实验。当3维鼠标和对象距离为5 000 mm时,传统系统中操作平均耗时5.344 7 s,而基于意图的系统中平均耗时2.326 6 s。基于意图的系统极大地降低了操作的时间和复杂度。结论采用意图驱动的系统情景转换能在虚拟环境工作中有效地降低人的认知负荷,并能很好地帮助系统开发者进行混成系统的建模和分析,降低开发的复杂度。实践结果表明用户意图理解的多通道模型和算法能极大地提高交互式系统的交互自然性和交互效率。该方法不仅适用于本文所用的虚拟装配系统,对于所有的虚拟环境应用场景都有同样的有效性。     

眨眼检测与眼睛跟踪

提出一种在视频人脸图像序列中,进行眼睛检测,跟踪和睁、闭状态判别的方法。通过眨眼检测,对眼睛进行定位;使用针对性强的内眼角提取算子,确定内眼角精确位置;利用内眼角特征来动态跟踪眼睛;睁眼模板在线生成和更新,通过当前眼睛区域和睁眼模板的相关分析来判别睁、闭眼状态。实验结果表明,算法在50场/s的处理速度下,内眼角点定位准确率达到98%以上,眨眼检测正确率为97.5%。     

嵌入式驾驶员状态检测算法的实现与优化

提出了一种可以在嵌入式平台上实时运行的驾驶员状态检测算法. 状态检测采用了基于统计学习的Adaboost算法与动态建模算法. 与传统的采用主动红外光的方法相比, 本系统采用对人眼更为安全的被动式方法, 且对光线的变化有更好的鲁棒性. 算法的主要创新点是: 1) 提出了检测区域自适应调整的单双眼检测相结合的Adaboost人眼检测算法, 提高了人眼检测的准确性与速度; 2)提出基于高斯混合模型的人眼动态建模跟踪算法, 自动提取驾驶员眼睛区域灰度分布的信息, 实现了对不同驾驶员人眼的建模与跟踪定位. 在多个公共数据集以及实车采集的视频上进行的实验表明, 该算法能够准确判断驾驶员的状态, 满足实时处理的要求.     

视线跟踪及其在智能教育中的应用研究综述

与教育相结合是当前人工智能研究的热点方向之一,获得学习状态信息是智能教育中非常重要的一个环节。视线变化可以直接或间接反映心理以及状态的变化,所以视线跟踪在智能教育领域起到重要作用。首先,对智能教育的发展进行了介绍;然后,对视线跟踪技术的发展、当前的研究工作以及研究现状进行了归纳与分析,总结了近3年视线跟踪技术在教育领域的相关应用与研究工作;最后,对视线跟踪技术在教育领域的发展趋势进行了总结与展望。     

基于眨眼修正卡尔曼滤波的人眼跟踪研究

眼睛运动容易受到头部姿势变化、外界仿真干扰、实际光照条件等影响,已有眼部跟踪算法的准确率、鲁棒性较低。为此,提出一种基于眨眼修正卡尔曼滤波的人眼跟踪算法。采用垂直积分投影函数和水平积分投影函数得到人脸图像的眼睛区域,运用眼睛区域的颜色熵消除不相关因素,定位出瞳孔的位置,用卡尔曼滤波进行实时眼部跟踪,结合眨眼检测实时修正跟踪结果。实验结果表明,该算法准确率较高,实时性较好。